Wstęp do kognitywistyki. Wykład 3: Logiczny neuron. Rachunek sieci neuronowych

Podobne dokumenty
Elementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD X: Sztuczny neuron

CZYM SĄ OBLICZENIA NAT A URALNE?

Inteligencja. Władysław Kopaliśki, Słownik wyrazów obcych i zwrotów obcojęzycznych

Festiwal Myśli Abstrakcyjnej, Warszawa, Czy SZTUCZNA INTELIGENCJA potrzebuje FILOZOFII?

O badaniach nad SZTUCZNĄ INTELIGENCJĄ

Informacja w perspektywie obliczeniowej. Informacje, liczby i obliczenia

O badaniach nad SZTUCZNĄ INTELIGENCJĄ

O badaniach nad SZTUCZNĄ INTELIGENCJĄ

Elementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD XII: Modele i architektury poznawcze

Wprowadzenie do teorii systemów ekspertowych

O ALGORYTMACH I MASZYNACH TURINGA

Elementy kognitywistyki II: Sztuczna inteligencja

Wstęp do kognitywistyki. Wykład 4: Cybernetyczny nurt w kognitywistyce

Alan M. TURING. Matematyk u progu współczesnej informatyki

Inteligentne systemy informacyjne

Wstęp do kognitywistyki

M T E O T D O ZI Z E E A LG L O G R O Y R TM

Umysł Komputer Świat TEX output: :17 strona: 1

Wstęp do kognitywistyki. Wykład 12: Wprowadzenie do SI. Obliczeniowa teoria umysłu

O tzw. metaforze komputerowej

Sztuczna Inteligencja i Systemy Doradcze

Inteligentne systemy decyzyjne: Uczenie maszynowe sztuczne sieci neuronowe

Cyfrowość i analogowość. Wstępny zarys tematyki metodologicznofilozoficznej

Sztuczna inteligencja

Elementy kognitywistyki III: Modele i architektury poznawcze

JAKIEGO RODZAJU NAUKĄ JEST

Sztuczna inteligencja i logika. Podsumowanie przedsięwzięcia naukowego Kisielewicz Andrzej WNT 20011

O ISTOTNYCH OGRANICZENIACH METODY

O LICZBACH NIEOBLICZALNYCH I ICH ZWIĄZKACH Z INFORMATYKĄ

MODELOWANIE RZECZYWISTOŚCI

Elementy kognitywistyki III: Modele i architektury poznawcze

Sztuczna inteligencja - wprowadzenie

prawda symbol WIEDZA DANE komunikat fałsz liczba INFORMACJA (nie tyko w informatyce) kod znak wiadomość ENTROPIA forma przekaz

Wstęp do teorii sztucznej inteligencji Wykład II. Uczenie sztucznych neuronów.

CZY INFORMATYKOM MUSI WYSTARCZYĆ NIESKOŃCZONOŚĆ POTENCJALNA?

Stefan Sokołowski SZTUCZNAINTELIGENCJA. Inst. Informatyki UG, Gdańsk, 2009/2010

Główne problemy kognitywistyki: Reprezentacja

SZTUCZNA INTELIGENCJA

Historia sztucznej inteligencji. Przygotował: Konrad Słoniewski

JAKIE IDEE WPŁYNĘŁY NAJSILNIEJ NA ROZWÓJ I EWOLUCJĘ INFORMATYKI?

Wykłady dla doktorantów Środowiskowych Studiów Doktoranckich w zakresie informatyki w roku akademickim 2011/2012

Zastosowanie terapii Neurofeedback w leczeniu zaburzeń psychicznych

SIECI NEURONOWE Liniowe i nieliniowe sieci neuronowe

Podstawy Sztucznej Inteligencji (PSZT)

KIERUNEK: KOGNITYWISTYKA

Umysł-język-świat 2012

Roman Schulz WYKŁADY Z PEDAGOGIKI OGÓLNEJ. Tom III Logos edukacji

Wstęp do kognitywistyki. Wykład 6: Psychologia poznawcza

S YL AB US MODUŁ U ( PRZEDMIOTU) I nforma cje ogólne

Wstęp do sztucznych sieci neuronowych

Procedura przeprowadzania egzaminu magisterskiego w Instytucie Psychologii (obowiązująca od roku akad. 2010/11):

PRZESŁANKI I PIERWSZE KONCEPCJE AUTOMATYCZNEGO LICZENIA

KARTA MODUŁU KSZTAŁCENIA

Elementy filozofii i metodologii INFORMATYKI

BIOCYBERNETYKA PROLOG

Zagadnienia optymalizacji i aproksymacji. Sieci neuronowe.

OBLICZENIA ZA POMOCĄ PROTEIN

Elementy kognitywistyki III: Modele i architektury poznawcze

1. Historia 2. Podstawy neurobiologii 3. Definicje i inne kłamstwa 4. Sztuczny neuron i zasady działania SSN. Agenda

Komputer EDVAC. czyli von Neumann zrobi to lepiej Historia Komputerów. Wydział Matematyki, Informatyki i Mechaniki Uniwersytet Warszawski

WIEDZA METODY INŻYNIERII WIEDZY KNOWLEDGE ENGINEERING AND DATA MINING. Adrian Horzyk. Akademia Górniczo-Hutnicza

Algorytmy Równoległe i Rozproszone Część X - Algorytmy samostabilizujące.

technologii informacyjnych kształtowanie , procesów informacyjnych kreowanie metod dostosowania odpowiednich do tego celu środków technicznych.

3-letnie (6-semestralne) stacjonarne studia licencjackie kier. matematyka stosowana profil: ogólnoakademicki. Semestr 1. Przedmioty wspólne

KOGNITYWISTYKA PROGRAM OBOWIĄZUJĄCY STUDENTÓW Z REKRUTACJI OD ROKU 2012/2013. Rok I Semestr I

SYLABUS/ OPIS PRZEDMIOTU

SCENARIUSZ LEKCJI BIOLOGII Z WYKORZYSTANIEM FILMU DOBRZE MIEĆ O(G)LEJ W GŁOWIE. O KOMÓRKACH UKŁADU NERWOWEGO.

I nforma cje ogólne. Biologiczne podstawy zachowania

ODWZOROWANIE RZECZYWISTOŚCI

O RÓŻNYCH SPOSOBACH ROZUMIENIA ANALOGOWOŚCI W INFORMATYCE

Narzędzia AI. Jakub Wróblewski Pokój SZTUCZNA INTELIGENCJA (ARTIFICIAL INTELLIGENCE)

Uczenie sieci neuronowych i bayesowskich

Metody i techniki sztucznej inteligencji / Leszek Rutkowski. wyd. 2, 3 dodr. Warszawa, Spis treści

S YL AB US MODUŁ U ( PRZEDMIOTU) I nforma cje ogólne. I stopnia II stopnia

Liczba godzin Punkty ECTS Sposób zaliczenia

Wstęp do teorii sztucznej inteligencji Wykład III. Modele sieci neuronowych.

Zagadnienia na egzamin magisterski Rekrutacja 2015/2016 Rok akademicki 2019/2020

Wykład I. Podstawowe pojęcia. Studia Podyplomowe INFORMATYKA Architektura komputerów

Kierunek Informatyka stosowana Studia stacjonarne Studia pierwszego stopnia

Sztuczne sieci neuronowe

HAŁASU Z UWZGLĘDNIENIEM ZJAWISK O CHARAKTERZE NIELINIOWYM

Spostrzeganie jako proces kategoryzacji percepcyjnej.

wiedzy Sieci neuronowe

MODELOWANIE RZECZYWISTOŚCI

Sieci neuronowe i algorytmy uczenia Czyli co i jak andrzej.rusiecki.staff.iiar.pwr.wroc.pl s.

Opisy efektów kształcenia dla modułu

ECTS Razem 30 Godz. 330

Wykład nr 3 Techniki Mikroprocesorowe. dr inż. Artur Cichowski

Załącznik Nr 4. odniesienie do obszarowych efektów kształcenia w KRK. kierunkowe efekty kształceniaopis WIEDZA

Sztuczne sieci neuronowe

Wstęp do Informatyki. dr inż. Paweł Pełczyński

Elementy historii INFORMATYKI

O REDUKCJI U-INFORMACJI

Zagadnienia (1/3) Data-flow diagramy przepływów danych ERD diagramy związków encji Diagramy obiektowe w UML (ang. Unified Modeling Language)

Z punktu widzenia kognitywisty: język naturalny

Algorytm. Krótka historia algorytmów

Czy architektura umysłu to tylko taka sobie bajeczka? Marcin Miłkowski

Logika dla socjologów Część 3: Elementy teorii zbiorów i relacji

Dialog z przyroda musi byc prowadzony w jezyku matematyki, w przeciwnym razie przyroda nie odpowiada na nasze pytania.

Uniwersytet Śląski w Katowicach WYDZIAŁ MATEMATYKI, FIZYKI I CHEMII. Kierunek Matematyka. Studia stacjonarne i niestacjonarne I i II stopnia

Transkrypt:

Wstęp do kognitywistyki Wykład 3: Logiczny neuron. Rachunek sieci neuronowych

Epistemologia eksperymentalna W. McCulloch: Wszystko, czego dowiadujemy się o organizmach wiedzie nas do wniosku, iż nie są one jedynie analogiczne do maszyn, ale że są one maszynami Eksperymentalna epistemologia: zrozumienie fizjologicznego podłoża wiedzy Jak skończony mózg ludzki jest w stanie rozumieć abstrakcyjne definicje (liczby), radzić sobie z logiką formalną, obliczać? Jak rozpoznajemy przynależność obiektów do tej samej klasy? (wizualnie, drogą symbolicznych obliczeń)

Badania, rozwój Badania, rozwój 1940: dowód, że sieci neuronowe są w stanie obliczyć dowolną liczbę (dowód log.) do którego zdolny jest człowiek 1947: neurofizjologiczna teoria wyjaśniająca: możliwość wiedzy o uniwersaliach niezawodne rozpoznawanie wzorców przez mózg 1950: Co oko żaby mówi żabiemu mózgowi? 1964: psychon najprostszy akt psychiczny: o charakterystyce czasowej i z historią wewnętrznie zdolny do wiązania wiedzy i działań aspekt semiotyczny psychon odpowiada sądowi odpowiednik mózgowy impulsy o charakterze wszystko-albonic

Sieci neuronowe łańcuchy psychonów to zdania złożone odwzorowywalne na terminy logiczne lata 30. - próba wyrażenia sieci neuronowych w notacji podobnej do logiki zdań; problem: sieci kołowe (ze sprzężeniem zwrotnym) W. Pitts: w teorii należy reprezentować opóźnienie [delay] dostarczył niezbędnej wiedzy matematycznej McCulloch, Pitts 1943: A Logical Calculus of the Ideas Immanent in Nervous Activity zintegrowane 3 idee: rachunek zdań, maszyny Turinga, synapsy neuronalne manifest psychologii obliczeniowej oraz AI

Rachunek sieci neuronowych sieć jednostek wymodelowanych zgodnie z ówczesną wiedzą ad neuronów neuron MC-P to urządzenie typu w-a-n, odpalające gdy został osiągnięty próg próg definiuje się w kat. liczby impulsów dobiegających z innych neuronów TPE [temporal propositional expressions] zdarzenia w czasie nie tylko notacja, ale również rachunek neuron MC-P to nie matematyczna abstrakcja, ale uproszczona reprezentacja rzeczy realnej

(a) precession (identyczność) N 2 (t) N 1 (t 1) (b) dysjunkcja N 3 (t) N 1 (t 1) N 2 (t 1) (c) koniunkcja N 3 (t) N 1 (t 1) N 2 (t 1) (d) binegacja N 3 (t) N 1 (t 1) N 2 (t 1) próg: wejście z dwóch węzłów

Rachunek sieci neuronowych pozwolił m.in. dowieść: zachowanie dowolnej nie-cyklicznej sieci można wyrazić w rachunku zdań każda funkc. log. rachunku zdań jest realizowana przez pewną sieć wszystkie sieci są rekursywnie definiowalne przez 4 podstawowe typy (patrz obrazek powyżej) każda sieć oblicza funkcję obliczalną przez pewną maszynę Turinga dowolna uniwersalna MT może obliczyć wszystko, co jest obliczalne przez sieci MC-P

Rachunek sieci neuronowych Niedoskonałość rachunku traktowanego jako logika matematyczna znaczenie miała próba wykorzystania logiki do stawiania psychologicznych i neurologicznych pytań Dla każdej klasy funkcji musimy wyliczać, jaka sieć będzie ją będzie mogła ją obliczyć Nie wiadomo jaka sieć generuje zjawisko nie wiemy co to za zjawisko Badania miały objąć całość psychologii, nie tylko poznanie (m.in. uczenie się, zachowanie nakierowane na cel, urojenia i halucynacje) Rachunek neuronowy to nie jedynie gra matematyczna, ale teoria (uproszczonych) ale fizycznych neuronów

Logiczny neuron McC-P: resume (1943) Ogólna teoria przetwarzania informacji oparta na sieci binarnych przełączników lub elementów decyzyjnych Nazywane neuronami były znacznie prostsze niż ich biologiczne odpowiedniki McCulloch i Pitts pokazali, iż takie sieci mogą, w zasadzie, przeprowadzić dowolne obliczanie, podobnie jak komputer cyfrowy czy jego matematyczna abstrakcja: maszyna Turinga

Abstrakcyjny manifest McC-P [od rachunku do komputera] nie było mowy o modelowaniu komputerowym von Neumann: wykorzystanie elementów Boole'owskich; definicje podstawowych mechanizmów obliczeniowych komputery to systemy ogólnego zastosowania manipulujące symbolami obiecujące podejście w perspektywie wyjaśniania i symulowania myśli von Neumann: EDVAC, Turing ACE

ENIAC: Electronic Numerical Integrator And Computer

Abstrakcyjny manifest McC-P [funkcja, nie implementacja] materialistyczny w wymowie, ignorował fizyczne szczegóły unikali zobowiązań w odniesieniu do neurobiologicznych kontrowersji (proces inhibicji w mózgu) funkcjonalne efekty obserwowalnego eksperymentalnie uczenia się można reprezentować bez znajomości mechanizmów elektrochemicznych psychony dopuszczały wieloraką realizowalność skupianie się na procesach mentalnych niezależnie od mózgu

EDVAC: Electronic Discrete Variable Automatic Computer